Аннотация
Данная работа посвящена разработке Интеллектуальной системы диагностики повреждения трубопровода.
Работа состоит из трех основных частей. Первая часть включает описание организации, для которой разрабатывается система, ее организационную структуру, вербальное описание и анализ процессов диагностики повреждений трубопровода. Также приводится обобщенная структура системы, обоснование актуальности разработки и постановка задачи.
Вторая часть посвящена разработке модели продукционной базы знаний для Интеллектуальной системы. В ней приводится обзор методов представления знаний и выбор оптимального для описываемой системы, приводится описание создания базы знаний и описание разработки механизма логического вывода.
Третья часть освещает экономические вопросы реализации Интеллектуальной системы поддержки принятия решения и включает описание концепции проекта, определение этапа жизненного цикла проекта.
Abstract
This work is devoted to the development of diagnostic expert system of pipeline damage..
The paper consists of three main parts. The first part includes a description of the organization for which the expert system is developed, its organizational structure, verbal description and analysis of the process of eye diseases diagnosis. It also summarizes the structure of the system, includes the rationale for the relevance of the development and formulation of the problem.
The second part is devoted to developing a model of a product knowledge base for expert system. It provides an overview of the methods of knowledge representation, a description of a knowledge base, and a description of the development of inference engine.
T he third part covers the economic issues of implementation of the expert system diagnostics and includes a description of the project concept, the definition phase of the project life cycle.
Содержание
1.9. Обзор научно-технической литературы 66 8
1.1.История и краткая характеристика Karachaganak petroleum operating 35
1.2. Организационно-функциональная структура Karachaganak petroleum operating 72
1.3. Структурный системный анализ предметной области 4
1.3.1.Физическая сущность процессов управления (вербальное описание) 4
1.3.2. Анализ вербального описания. Выявление объектов проблемной области 4
1.4. Использование современных технологий анализа предметной области, методология ERWin 4
1.5. Структура «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода » 4
1.5.1.Подсистема приобретения знаний 4
1.5.2.База знаний 4
1.5.3 .Подсистема вывода. Способы логического вывода 4
1.6. Структура разрабатываемой «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода » 4
1.7. Техническое и программное обеспечение «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода » 4
1.8. Информационное обеспечение «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода » 4
1.9. Обзор научно-технической литературы 66
1.10. Постановка задачи «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода » 4
2. Специальная часть 76
2.1. Методы Интеллектуальных систем 77
2.1.1.Методы приобретения знаний 77
2.1.2.Методы представления знаний 78
2.2.Создание Базы Знаний 4
2.2.1.Вербальное описание процесса 4
2.2.2.Структура Базы Знаний 4
2.2.3.Построение дерева решений задачи «ИС поддержки принятия решений при эксплуатации трубопровода» 4
2.3. Построение дерева решений «Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода » 110
2.4.Модели Базы Знаний 121
2.4.1. Концептуальная модель 124
2.5. Разработка механизма логического выхода 131
2.6. Инструкция пользователя 136
3. Экономическая часть 138
3.1. Концепция проекта 142
3.2. Оценка эффективности проекта 143
3.2.1.Расчет сметы затрат по проекту 146
3.2.2.Схема формирования цены на программный продукт 148
3.2.3.Выбор источников финансирования проекта 151
3.2.4 Расчет ожидаемой прибыли 153
3.3. Жизненный цикл проекта, жизненный цикл ЗАО «КПО», жизненный цикл ИСППР при эксплуатации трубопровода 154
3.3.1. Жизненный цикл ЗАО "КПО" 156
3.3.2. Жизненный цикл ИСППР при эксплуатации трубопровод…157
Заключение 4
Список источников информации 4
Список иллюстраций 4
Список таблиц 4
Введение
Двадцатый век насыщен многими событиями, которые будоражили и потрясали земную цивилизацию. Шла борьба за передел мира, за сферы экономического и политического влияния, за источники минерального сырья. Среди этого клокочущего страстями человеческого общества выделяется стремление обладать ресурсами «черного золота» и газа, столь необходимых для прогрессивного развития промышленности.
Ни одна проблема, пожалуй, не волнует сегодня человечество так, как топливо. Топливо — основа энергетики, промышленности, сельского хозяйства, транспорта. Без топлива немыслима жизнь людей. Именно поэтому крайне важно развивать базы знаний которые позволять в кратчайшие сроки помочь неопытным инженерам стать высококлассными специалистами в газовой промышленности.
Предтечи интеллектуальных систем в области газодобывающей промышленности были предложены еще в первой половине 19 века в далеком 1832 году российским изобретателем С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например, определять наиболее вероятные причины поломки оборудования.
Корсакова можно смело назвать первооткрывателем отечественной и мировой информатики, искусственного интеллекта. В 1832 году поставил задачу усиления возможностей разума посредством разработки научных методов и устройств, перекликающуюся с современной концепцией искусственного интеллекта, как усилителя естественного. Предложил пять механических устройств, так называемых “интеллектуальных машин” для информационного поиска и классификации, в конструкции которых впервые в истории информатики применил перфорированные карты. В работах Корсакова содержится целая плеяда новых для того времени идей, которые мы сегодня можем назвать как многокритериальный поиск с учетом относительной степени важности различных критериев (весовых коэффициентов), способ обработки больших массивов данных.
Перфорированные карты Корсаков использовал в качестве своего рода “баз знаний”, содержащих связь между сущностями (идеями) и их признаками. Широко известный своими работами, Корсаков пояснял принцип работы своих машин на простом примере поиска необходимых инструментов для ремонта. Высококвалифицированный инженер мог составить перфорированную таблицу, определяющую инструменты (сущности) для ремонта повреждений диагностируемых при осмотре изделия (признаки). Столбцы таблицы могли соответствовать инструментам (сущностям), а строки – неисправностям в механизмах (признакам). Перфорированные отверстия в некоторых строках каждого столбца определяли совокупность неисправностей, для ремонта которых наиболее пригоден соответствующий инструмент. Единожды составленные, такие перфорированные таблицы могли впоследствии легко тиражироваться, и менее квалифицированный газодобывающий1 работник, например ассистент инженера, мог бы, используя готовую таблицу и машины Корсакова, подобрать перечень необходимых инструментов по непосредственно наблюдаемым у механизма повреждениям, даже не имея возможности точно диагностировать поломку.
В 1832 году Корсаков подал прошение в Императорскую Академию наук в Санкт-Петербурге для рассмотрения его метода и изобретений, кроме того опубликовал брошюру, в которой подробно описал устройство и принципы функционирования изобретенных машин. К сожалению, метод и изобретения Корсакова не были в должной мере оценены современниками, не получили государственной поддержки и были незаслуженно забыты.
В начале 1970х в College Brown University была разработана Интеллектуальная система ENFIXTOOL. Она была написана на Лиспе1 как докторская диссертация. В той же лаборатории была ранее создана Интеллектуальная система Dendral, но на этот раз внимание было акцентировано на использовании решающих правил с элементами неопределенности. ENFIXTOOL был спроектирован для анализа повреждений трубопроводов, которые в случае не оказания своевременного вмешательства, впоследствии могли привести к серьёзным авариям, таким как утечка или взрыв, а также для рекомендации необходимого количества специалистов и ремонтных бригад зависимости от длины и типа трубы. Название системы происходит от слияния трех слов «Engineer» - инженер, «Fix» - чинить, «Tool» - набор инструментов, то есть те самые компоненты, которыми оперирует данная Интеллектуальная система. Также ENFIXTOOL использовалась для расчетов наиболее удобных маршрутов при прокладывании трубопровода.
Исследования, проведенные в College Brown University, обнаружили, что ENFIXTOOL предлагает приемлемый алгоритм действий примерно в 80% случаев, что лучше, чем у неопытных ассистентов-инженеров по ремонтным работам, которых оценивали по тем же критериям. Это исследование часто цитируют, чтобы продемонстрировать возможную степень несогласия между решениями инженеров, даже если они эксперты, когда нет «золотого стандарта» для правильной последовательности проведения ремонтных работ.
В качестве примера можно привести банальный случай отказа главного датчика давления на одной линии трубопровода. В случае отключения трубопровода из транспортной сети простойка оборудования нанесет слишком большой урон с финансовой точки зрения, поэтому устанавливаются дополнительные датчики меньшей мощности. С другой стороны, если не исключать линию из транспортной сети, то сети информация, получаемая с дополнительных датчиков может оказаться либо не своевременной, либо не достаточно точной, что впоследствии приведет к аварийной ситуации.
Переходя к проблемам диагностики аварийных ситуаций при газодобывающих работах стоит отметить, что основная из них состоит в отсутствии достаточного количества специалистов (экспертов), обладающих необходимыми знаниями и опытом для мгновенного реагирования при чрезвычайных ситуациях. Кроме этого, трудность анализа состоит в необходимости исследования большого количества внешних информации во аварийной ситуации: свойства металлов, опись взрывоопасных элементов в атмосфере и так далее. Более того, аварийные ситуации нуждаются в максимально быстром анализе и ремонте. Таким образом, разрабатываемая Интеллектуальная система по устранению неполадок в трубопроводе должна основываться на знаниях специалистов в области энергетики и позволять использовать эти знания в рабочей деятельности старшего инженера или для обучения и контроля ассистента инженера и младшего ассистента инженера.
Существенным моментом, определяющим актуальность Интеллектуальной системы поддержки принятия решения, является ее эффективность в условиях различных ограничений:
дефицита времени на принятие решения, что имеет особое значение при неотложных состояниях и в чрезвычайных случаях;
неполноты данных об аварии и невозможности провести анализ, в случае преград и помех: дымовая завеса, едкие и отравляющие вещества, высокие температуры;
неопределенности данных, которые не могут быть уточнены инженером, где могут быть использованы методы нечеткой логики;
необходимости выбора дополнительных анализов и исследований по критериям диагностической эффективности и возможности их выполнения (с учетом степени угрозы для безопасности промышленного объекта).
Положительный эффект, ожидаемый от реализации и применения Интеллектуальной системы поддержки принятия решения при эксплуатации трубопровода , является совокупностью бонусов, относящихся к группе работников ремонтных отделов, группе инженеров, группе жителей близлежащих поселений: экономия времени на процессе обязательной диагностики и постановки аварийного положения, сокращение упущенного времени при назначении алгоритма для ремонтных бригад, снижение риска неправильной постановки задач для ремонтных бригад, значительное сокращение вероятности выброса вредных и токсичных отходов в атмосферу.